Proposition de stage (niveau M1)

Sujet :

De nombreuses langues écrites disposent de ressources lexicales sous
forme de dictionnaires éditoriaux. Ces dictionnaires existent aussi
sous une forme électronique puisqu’ils ont été édités sur des outils
de traitements de texte.  Mais ces fichiers ne peuvent être utilisés
directement par des programmes de Traitement Automatique des Langues
Naturelles car ils ne respectent aucun format spécifique.

Il est possible d’écrire un programme qui soit capable de localiser
les informations à récupérer dans les dictionnaires et qui les
représente dans une structure normalisée, mais cette démarche présente
l’inconvénient de nécessiter l’écriture d’un programme, ou la
spécification de règles complexes, pour chaque dictionnaire.

Le but de ce stage est de s’affranchir de cette difficulté en
construisant un programme qui, après apprentissage, est capable de
convertir un dictionnaire éditorial en un fichier XML.

La phase d’apprentissage exploite une partie de dictionnaire
disponible sous sa forme éditoriale (les données de départ) et sous la
forme structurée au format XML.

Le convertisseur utilise les connaissances précédemment apprises pour
convertir le reste du dictionnaire. Il doit être capable de signaler
les parties du dictionnaire qu’il n’a pas été capable de convertir et
qui seront traitées ultérieurement par un linguiste.

Salaire mensuel : 530 euros bruts / 396 euros net

Durée : 3 mois, courant 2009

Lieu : Laboratoire d’informatique Nantes Atlantique (UMR CNRS 6241)

Encadrement : Chantal Enguehard, maître de conférences en
informatique, équipe Langage Naturel

Postuler : Envoyer un CV, relevé de notes et une lettre de motivation
à Chantal Enguehard, chantal.enguehard@univ-nantes.fr.


Chantal Enguehard

LINA - UMR CNRS 6241
2, rue de la Houssinière
BP 92208
44322 Nantes Cedex 03
France
http://www.sciences.univ-nantes.fr/info/perso/permanents/enguehard/